Na de Gen AI-hype verschuift de focus in AI naar wat echt belangrijk is: snelheid en productiviteit

Wie AI zegt, denkt haast meteen aan Generatieve AI (Gen AI)-toepassingen, zoals ChatGPT. Maar eigenlijk is Gen AI toch vooral een aanvulling op meer klassieke vormen van analytics en AI die inmiddels al geruime tijd meegaan. “Gen AI zit nog altijd in de hypefase”, zegt Phaedra Kortekaas. “Traditionele analytics en AI hebben daarentegen wel al hun waarde getoond, ook al worden ze nog niet overal op schaal toegepast. Eigenlijk zijn we dus al aan de volgende innovatiewave begonnen voor we de vorige echt grondig hebben geïntegreerd.”

“Natuurlijk zit er ook waarde in nieuwe vormen van AI. Ze kunnen onze traditionele AI versterken”, gaat Phaedra verder. “De combinatie van bijvoorbeeld Gen AI met machine learning en meer statistische modellen kan in sommige toepassingen heel krachtig zijn.”

Hoe ver staan we in de Benelux met de integratie van AI en Gen AI?

“We hebben zeker nog stappen te zetten. Vorig jaar bleek uit een onderzoek van SAS dat onze regio zelfs stevig achterophinkt wat betreft de integratie van Gen AI. Terwijl bijna negen op tien bedrijven wel intenties hadden om in de technologie te investeren, bleek dat slechts 6% van de organisaties die Gen AI gebruiken, dit ook al volledig in hun processen geïntegreerd hebben. In de Verenigde Staten is dat bijvoorbeeld 24%.”

In welke sectoren ligt voor Belgische en Nederlandse organisaties het grootste potentieel?

“Ik denk dat er in verschillende sectoren wel een mooie opportuniteit ligt om de productiviteit van mensen en de kwaliteit van output met AI te verhogen. In de eerste plaats is de financiële sector nog steeds een voorloper in het gebruik van AI en analytics. Banken en verzekeraars moeten veel data in realtime verwerken en zijn onderhevig aan strikte regelgeving en toezicht. Van beleggingen en beurshandel tot risicomodellen. Het ziet er dus wel naar uit dat de financiële wereld een pionier zal blijven. Ze moeten ook stappen zetten door de impact van nieuwe wetgeving en de gevolgen van kwantum voor encryptie van data. Ook op het gebied van verdere digitalisering, fraudedetectie, retail banking en marketing liggen er nog mogelijkheden. Het zijn allemaal intensieve processen die flexibeler en transparanter kunnen.”

“Een tweede is de retailmarkt waar de belofte van hyperpersonalisatie erg belangrijk is. Hoe beter je daarin wordt, des te beter je de vraag van je klanten kunt beantwoorden. De uitdaging voor retail ligt in het vinden van het juiste evenwicht tussen kosten en innovatie.”

“Daarnaast is de gezondheidszorg een sector die op dit moment grote stappen aan het zetten is. Enerzijds om efficiënter te werken en de productiviteit te verhogen, want ziekenhuizen kampen met een ernstig tekort aan personeel en middelen. Maar ook in de diagnose en behandeling van patiënten kan AI een rol spelen. Daar zie je goed hoe arts en AI-model elkaar versterken. Er zijn al enkele mooie use cases geweest op het gebied van analyses van scans van kankerpatiënten.”

“En tot slot denk ik zeker ook aan de overheid. Belastingen, inspecties, vergunningen, goed en efficiënt communiceren met burgers … Het zijn stuk voor stuk domeinen die AI niet alleen versnelt, maar ook beter en transparanter maakt voor burgers. Bovendien zal AI het werk van ambtenaren aangenamer en productiever maken. Ook daar kampen ze immers met tekorten en staan de budgetten flink onder druk.”

Natuurlijk moet de introductie van AI in al die sectoren doordacht gebeuren. Hoe zorgt SAS ervoor dat innovatie verantwoord en ethisch correct blijft?

“Als databedrijf willen we in de eerste plaats het goede voorbeeld geven. Daarom is het stimuleren van verantwoord gebruik van AI voor ons heel belangrijk. Zo hebben we een Data Ethics Practice opgericht, een wereldwijd cross-functioneel team dat de principes van verantwoord AI-gebruik voortdurend aftoetst aan de realiteit en de feedback die we van klanten krijgen. Denk aan basisprincipes zoals het feit dat AI inclusief, transparant, uitlegbaar en verantwoordelijk moet zijn – met respect voor vereisten op het gebied van privacy en beveiliging. Hoe zet je bijvoorbeeld een goed algoritme op?

Hoe vertaalt zich dat dan naar de oplossingen die jullie aanbieden?

“We verpakken die principes rond verantwoord AI-gebruik in al onze producten. Zo beschikken onze tools bijvoorbeeld over biasdetectie, waarmee data scientists modellen op bias kunnen testen. Om transparantie rond AI-modellen te geven, hebben we model cards. Dat is een soort receptuur die beschrijft hoe een model is opgesteld en waar de data vandaan komt. We bieden ook rapporten aan over hoe fair, verklaarbaar en traceerbaar een model is. Verder rusten we al onze technologie uit met Copilot-achtige, Gen AI mogelijkheden. Dat kan bijvoorbeeld handig zijn in modellen voor detectie van fraude, waarvoor grote hoeveelheden ongestructureerde content moet worden geanalyseerd. Als databedrijf zit die focus op verantwoord gebruik van data en analytics echt in onze genen.”

Zijn er naast het belang van verantwoorde AI nog trends die je ziet aankomen?

“Verantwoorde AI is meer dan een trend, het is een fundamenteel principe voor AI-ontwikkeling bij SAS. Maar er komen zeker nog een paar interessante trends aan. In het kader van productiviteit, kosten en duurzaamheid zullen zowel traditionele AI- als Gen AI-modellen nog sneller moeten functioneren. SAS-modellen scoren trouwens al heel goed en zijn tot vier keer sneller dan vergelijkbare tools. Onderzoek van The Futurum Group heeft SAS Viya uitgeroepen tot het meest productieve data- en AI-platform op de markt. Data engineers zijn volgens de studie liefst 16 keer productiever in het beoordelen, voorbereiden en beheren van data. Data scientists zijn 3,5 keer sneller in het bouwen, optimaliseren en valideren van modellen. En ook MLOps engineers behalen een 4,5 keer hogere productiviteit met het automatiseren, monitoren en trainen van modellen. Dit zorgt voor een duurzamere AI-strategie voor organisaties. Enerzijds besparen ze kosten omdat er minder cloud computerkracht nodig is. En anderzijds neemt de impact op de CO2-uitstoot af.”

“Verder denk ik dat de Gen AI-hype wel zal kalmeren. Bedrijven zoeken naar manieren om impact en waarde te creëren met de technologie. In lijn hiervan zie ik Small Language Models opkomen. Die hebben een kleinere scope en zijn veel efficiënter dan grote taalmodellen.”

Wat verwacht je van Agentic AI?

“Voor mij is Agentic AI geen hype, maar iets wat gaat gebeuren. Want hoewel het leuk is als je inzichten uit AI kunt halen, draait het toch voornamelijk om conclusies en het nemen van betere beslissingen. Met Agentic AI kan je verschillende modellen inzetten om samen een bedrijfsproces te runnen. In marketingautomatisatie kan AI bijvoorbeeld vertellen dat iets interessant is voor een bepaalde doelgroep, maar het is uiteraard nog beter als er meteen een gepersonaliseerde mail

wordt uitgestuurd. Hoewel dit al gebeurt in bepaalde proces- en applicatiedomeinen, zou het nog krachtiger zijn als je verschillende processen, applicaties en AI-modellen combineert om een hele keten te automatiseren. Ook de overheid kan profiteren van deze technologie, op voorwaarde dat we de human touch niet verliezen. Want dan komt die verantwoorde AI weer om de hoek kijken. Dat laatste is bij Agentic AI nog belangrijker, aangezien je technologie beslissingen laat nemen.”

“Een laatste trend die ik nog wil noemen, is kwantum. Zeker voor analytics is dit de volgende stap. Het zou kunnen leiden tot de belofte van Artificial General Intelligence, waar iedereen het al over heeft. Dat klinkt nog als verre toekomstmuziek, maar we zijn bij SAS wel al bezig met kwantum. Meer bepaald door na te gaan welke algoritmes je daarvoor moet ontwikkelen, welke analytische use cases er zijn, en wat de impact van kwantum is op de encryptie van je data.”

“Trouwens, nu ik het over data heb, wil ik misschien nog een dooddoener toevoegen: je moet je data op orde hebben als je met AI aan de slag wil gaan. Zorg ervoor dat gegevens niet in tientallen legacy-platformen verstopt zitten. Je hoeft niet te wachten met innovatie tot wanneer dit geregeld is, maar je moet wel blijven werken aan je datafundament.”

Waar zie je nog mogelijkheden om AI in de toekomst beter te benutten?

“Twee domeinen mogen wat mij betreft meer aandacht krijgen. Enerzijds is er het onderwijs. Dat is nog vaak gebaseerd op een heel traditionele manier van leren. Er zijn wel goede initiatieven in een heleboel scholen en universiteiten, maar het is te gefragmenteerd. AI kan het onderwijs in de klas niet alleen beter maken, maar moet ook leerlingen enthousiasmeren en kennisontwikkeling stimuleren. Zonder een bepaald niveau van datageletterdheid kan je gewoon niet functioneren in onze maatschappij. Naast Nederlands of Engels moet iedereen ook echt IT-taal kunnen spreken.”

“Anderzijds heeft de industriële wereld, en dan vooral manufacturing, nog veel potentieel om AI te gebruiken. Traditioneel zijn industrieën goed in innovatie gericht op de efficiëntie en veiligheid van hun kernprocessen. Maar er liggen nog enorme kansen in het duurzaamheidsperspectief om minder uit te stoten dankzij energie-efficiëntere maakprocessen. AI kan een versnelling bieden voor de doorgaans complexe duurzaamheidsagenda van deze bedrijven.”

Tot slot: hoe wil SAS het verschil maken in een AI-markt die steeds concurrentiëler wordt?

“Voor SAS ligt de nadruk op het ontwikkelen van AI-modellen die mensen productiever maken, goede prestaties leveren en bovenal betrouwbaar zijn. Iedereen moet de vruchten plukken van AI en niemand mag uit de boot vallen. Daarom is het belangrijk dat we blijven strijden tegen bias in modellen. Om die reden investeren we ook in oplossingen voor het genereren van synthetische data die ongelijkheden in datasets kunnen oplossen. Als we samen onze schouders zetten onder de verantwoorde en ethisch correcte ontwikkeling van AI, ben ik er gerust in dat de technologie de hele bedrijfswereld en samenleving op een positieve manier zal transformeren.”

Dit artikel is geschreven door een van onze partners. Onze redactie is niet verantwoordelijk voor de inhoud.